FFT 及信号的谱分析.docVIP

实验九 FFT 及信号的谱分析 一、实验目的 １．通过实验加深对 FFT 的理解，熟悉 FFT 程序、结构及编程方法。 ２．熟练应用 FFT 对典型信号进行谱分析的方法。 ３．了解应用 FFT 进行信号频域分析可能出现的问题以便在实际中正确应用FFT。 4. 理解 FFT 与 IFFT 的关系。 5. 熟悉应用 FFT 实现两个序列的线性卷积的方法。 二、实验原理及方法 在各种信号序列中，有限长序列信号处理占有很重要的位置，对有限长序列，我们可以使用离散 Fourier 变换（DFT）。这一变换不但可以很好地反映序列的频谱特性，而且已永快速算法在计算机上实现，当序列x(n)的长度为 N时，它的 DFT 定义为： （一）、在利用DFT进行频谱分析时可能会出现三种误差。 (1) 混叠 为了利用计算一个连续信号的频谱，首先需要对这个连续信号进行取样，如果取样率 太低，也即抽样周期太大，在频域内将产生混叠现象，这样就不可能无失真的恢复原连续信 号。对带限信号，当所处理模拟信号最高频率 fh与抽样频率f s满足 时就不会出现频谱混叠现象。 （2）泄漏 实际信号序列往往很长，甚至是无限长序列。为了方便，我们往往用截短的序列来近似他们。这样可以使用较短的DFT 来对信号进行频谱分析。对序列xn 截短的过程就是将 原信号序列与矩形窗函数相乘的过程，在频域就是两者频谱的卷积。一般情况下这样都会造 成由此得到的频谱不同于信号原来的频谱，这种现象叫做泄漏。在实际应用中，可以选用频 谱主瓣小、旁瓣小、尽量接近于窗函数来减少泄漏。泄漏不能与混叠完全分开，因为泄漏导致频谱的扩展，从而造成混叠。 为了减少泄漏影响，可以选择适当的窗函数是频谱的扩散减至最小。 （3）栅栏效应 DFT 是对单位园上 z变换的均匀取样，所以它不可能将频谱视为一个连续函数。这样就产生了栅栏效应。就一定的意义上看，用 DFT 来观看频谱就好像通过一个尖桩的栅栏来观看一个图景一样，只能在离散点上看到真实的频谱。这样就有可能发生一些频谱的峰点或谷点被“尖桩的栅栏”所挡住，不能被我们观察到。减小栅栏效应的一个方法是借助于原列 的末端增加一些零值，从而变动 DFT 的点数。这一方法实际上是人为的改变了对真实频谱 采样的点数和位置，相当于搬动了每一根“尖桩栅栏”的位置，从而使得原来看不到的频谱的峰点或谷点就有可能看到了。 IFFT 一般可以通过 FFT 程序来完成，只要对X[k]取共轭，进行 FFT 运算，然后再取共轭，并乘以因子 1/N，就可以完成 IFFT。 实验中用到的信号序列： 三、实验内容 1．用三种不同的DFT 程序计算x(n)= Rn(8)的傅里叶变换exp(jw) ,并比较三种程序计算机运行时间。 （1）用 for loop 语句的M函数文件dft1.m，用循环变量逐点计算 X(k) ； （2）编写用 MATLAB矩阵运算的 M函数文件 dft2.m, 完成下列矩阵运算； （3）调用 FFT 库函数，直接计算 X (k)； （4）分别利用上述三种不同方式编写的DFT 程序计算序列 x(n) 的傅立叶变换 exp(jw) ，并画出相应的幅频和相频特性，再比较各个程序的计算机运行时间。  (1)代码：dft1(x) function [Am,pha] = dft1(x) N = length(x); w = exp(-j*2*pi/N); for k = 1:N sum = 0; for n = 1:N sum = sum+x(n)*w^((k-1)*(n-1)); end Am(k) = abs(sum); pha(k) = angle(sum); end 代码: clc; clf; clear; n=0:9; x=[ones(1,8),zeros(1,2)]; %x=stepseq(0,0,7); subplot(311) stem(n,x); [Am,pha] = dft1(x); subplot(312) stem(Am); subplot(313) stem(pha); 图形： (2)代码：dft2(x) function [Am,pha] = dft2(x) N = length(x); n = [0:N-1]; k = [0:N-1]; w = exp(-j*2*pi/N); nk = n*k; wnk = w.^(nk); Xk = x*wnk; Am = abs(Xk); pha = angle(Xk); 代码： clc; clf; clear; n=0:9; x=[ones(1,8),zeros(1,2)]; %x=stepseq(0,0,7); subplot(311)